Enhanced U-Net：一种用于息肉分割的特征增强网络
图像与视频处理
2021-05-04 v1 计算机视觉与模式识别
摘要
结肠镜检查是一种检测结直肠息肉的操作，而息肉是发展为结直肠癌的主要原因。然而，由于息肉形状、大小、颜色和纹理的多样性，息肉与背景之间的微小差异，以及结肠镜图像的低对比度，息肉分割是一项具有挑战性的任务。为应对这些挑战，我们提出一种特征增强网络，用于结肠镜图像中的准确息肉分割。具体而言，所提网络利用新颖的语义特征增强模块（SFEM）增强语义信息。此外，我们不直接将编码器特征加到相应的解码器层，而是引入自适应全局上下文模块（AGCM），其仅关注编码器的重要且困难的细粒度特征。这两个模块的集成逐层提升了特征质量，进而增强了最终的特征表示。所提方法在五个结肠镜数据集上进行了评估，并展现出优于其他最先进（SOTA）模型的性能。
引用
@article{arxiv.2105.00999,
title = {Enhanced U-Net: A Feature Enhancement Network for Polyp Segmentation},
author = {Krushi Patel and Andres M. Bur and Guanghui Wang},
journal= {arXiv preprint arXiv:2105.00999},
year = {2021}
}